BGU – Clalit : l’IA sait-elle quand prescrire des examens ou des traitements est inutile ?
À l’heure où patients et cliniciens se tournent de plus en plus vers l’intelligence artificielle pour obtenir des conseils médicaux, une question cruciale se pose : l’IA sait-elle quand ne pas prescrire d’examens ou de traitements ? Une nouvelle étude conjointe de l’Université Ben-Gourion du Néguev (BGU) et de Clalit Health Services révèle que les principaux modèles de langage à grande échelle (LLM) identifient avec succès les interventions médicales redondantes dans la grande majorité des cas, leurs difficultés se situant principalement dans les zones grises où le consensus médical est divisé.
Le dilemme du « par précaution » en médecine moderne
Les patients demandent fréquemment des examens supplémentaires « par sécurité ». Pourtant, en pratique clinique, multiplier les examens n’est pas toujours synonyme de meilleure prise en charge. Des examens inutiles révèlent souvent des anomalies fortuites et bénignes qui déclenchent une cascade d’anxiété, de consultations spécialisées, de biopsies invasives et d’interventions chirurgicales superflues, gaspillant ainsi de précieuses ressources de santé et mettant en danger la santé des patients.
À l’inverse, un système de diagnostic trop conservateur risque de passer à côté d’interventions cruciales en cas de danger réel. Un outil d’IA cliniquement doit certainement trouver le juste milieu entre ces deux écueils. L’étude a été menée par le Dr Dean Ariel, médecin généraliste et chercheur chez Clalit Health Services (district de Tel Aviv), et le Dr Guy Laban, chercheur en IA médicale au département de génie industriel et de gestion de l’Université Ben Gourion du Néguev (BGU), en collaboration avec le Dr Stav Endelman du Centre médical Rabin-Hôpital Beilinson.
Évaluation de l’IA face au jugement clinique réel
Les chercheurs ont évalué six d’apprentissage automatique (LLM) de pointe développés par Google, Anthropic et OpenAI à travers des centaines de modèles de scénarios cliniques, analysant des milliers de réponses du modèle. Les scénarios ont été élaborés à partir des recommandations de la campagne internationale « Choosing Wisely », une initiative médicale mondiale fondée en 2012 par la Fondation de l’American Board of Internal Medicine (ABIM) et active dans plus de 30 pays, visant à éliminer les soins de faible valeur.
Chaque recommandation associait des cas où une intervention était superflue à des cas témoins très similaires où la même intervention était médicalement nécessaire :
● Un jeune homme souffrant d’une lombalgie aiguë après avoir soulevé des meubles ne nécessite pas d’imagerie. En revanche, une femme ayant des sentiments de cancer du sein et présentant une nouvelle lombalgie nocturne en nécessite une.
Une rhume virale banale avec écoulement nasal et toux ne justifie pas la prescription d’antibiotiques. Une angine streptococcique bactérienne confirmée, si. Résultats :
● Quasi-absence de soins non prodigués : lorsqu’une intervention était médicalement indiquée, les modèles ont recommandé par erreur de ne pas prodiguer de soins dans seulement 0,6 % des cas.
● Faible taux de surdiagnostic : Lorsqu’une intervention était manifestement inutile, les modèles ont recommandé à tort des examens ou des traitements dans seulement 5,4 % des cas.
● Pertinence dans plus de la moitié des recommandations : Sur 15 recommandations du programme « Choisir avec soin », les modèles d’apprentissage automatique n’ont recommandé aucune procédure inutile dans 8 cas.
Reflet des désaccords humains
La grande majorité des erreurs de surdiagnostic des IA concernaient deux pratiques cliniques notoirement ambiguës : o ECG de routine chez les patients à faible risque : Les modèles ont recommandé des ECG inutiles dans 28,3 % des réponses, principalement lorsque les patients mentionnaient des palpitations, pour lesquelles un ECG peut constituer un élément pertinent du bilan. Échographies thyroïdiennes pour les nodules découverts fortuitement : les modèles ont recommandé des échographies inutiles dans 42,8 % des cas pour de petits nodules découverts fortuitement, reflétant un désaccord réel entre l’American Thyroid Association et l’American College of Radiology quant à la pertinence de réaliser des examens d’imagerie pour ces nodules. « L’une des plus grandes difficultés de la pratique médicale est de savoir s’arrêter à temps », explique le Dr Dean Ariel de Clalit Health Services. « Les patients sont rassurés par un examen supplémentaire, mais une IRM inutile révèle souvent une hernie discale asymptomatique, engendrant des inquiétudes et des traitements superflus. Les modèles de langage ont appris la médecine à partir de la littérature clinique humaine, y comprend nos habitudes moins rigoureuses. Nous avons vérifié s’ils avaient également intégré la capacité à faire preuve de retenue. Dans l’ensemble, ils savent s’arrêter, leurs erreurs se situant principalement là où nous, médecins, hésitons nous-mêmes. »
Le défi social de dire « non »
« On entend souvent un chatbot IA parler d’une seule voix autoritaire, comme s’il existait un consensus unifié en matière d’IA », remarque le Dr Guy Laban de l’Université Ben-Gourion du Néguev. « Pourtant, dans les zones grises où les experts débattent, la disparité entre les modèles était frappante : sur des cas cliniques identiques, un modèle recommandait un examen inutile dans moins de 10 % des cas, tandis qu’un autre le recommandait dans 80 % des cas. » « De plus, dire à un patient « vous n’avez pas besoin de cet examen » est un acte social », ajoute délicatement le Dr Laban. « Un médecin doit rester ferme face à un patient anxieux. »
Publication dans Annals of Internal Medicine, 20 octobre 2026
Traduit et adapté par Esther Amar, fondatrice et directrice de Israël Science Info
